> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ja/llms.txt # AI 採用担当者を構築する このガイドでは、Mastra を使用して LLM を組み込んだ Workflow を構築する方法を学びます。 候補者の履歴書から情報を収集し、そのプロフィールに基づいて技術的な質問または行動面の質問へ分岐する Workflow を作成します。その過程で、Workflow の Step の構成、分岐の処理、LLM 呼び出しの統合方法を学びます。 ## 前提条件 - Node.js `v22.13.0` 以降がインストールされていること - サポートされている[モデル Provider](https://mastra.zisheng.pro/ja/models) の API キー - 既存の Mastra プロジェクト（新しいプロジェクトをセットアップするには、[インストールガイド](https://mastra.zisheng.pro/ja/guides/getting-started/quickstart)に従ってください） ## Workflow を構築する Workflow をセットアップし、候補者データを抽出、分類する Step を定義して、適切な追加質問を行います。 1. 新しいファイル `src/mastra/workflows/candidate-workflow.ts` を作成し、Workflow を定義します。 ```ts import { createWorkflow, createStep } from '@mastra/core/workflows' import { z } from 'zod' export const candidateWorkflow = createWorkflow({ id: 'candidate-workflow', inputSchema: z.object({ resumeText: z.string(), }), outputSchema: z.object({ askAboutSpecialty: z.object({ question: z.string(), }), askAboutRole: z.object({ question: z.string(), }), }), }).commit() ``` 2. 履歴書のテキストから候補者の詳細を抽出し、その人物を「技術職」または「非技術職」に分類します。この Step は LLM を呼び出して履歴書を解析し、氏名、技術職かどうか、専門分野、元の履歴書テキストを含む構造化 JSON を返します。`inputSchema` を定義したことで、`execute()` 内から `resumeText` にアクセスできます。これを使用して LLM にプロンプトを送り、整理されたフィールドを返します。 既存の `src/mastra/workflows/candidate-workflow.ts` ファイルに次を追加します。 ```ts import { Agent } from '@mastra/core/agent' const recruiter = new Agent({ id: 'recruiter-agent', name: 'Recruiter Agent', instructions: `You are a recruiter.`, model: 'openai/gpt-5.6-sol', }) const gatherCandidateInfo = createStep({ id: 'gatherCandidateInfo', inputSchema: z.object({ resumeText: z.string(), }), outputSchema: z.object({ candidateName: z.string(), isTechnical: z.boolean(), specialty: z.string(), resumeText: z.string(), }), execute: async ({ inputData }) => { const resumeText = inputData?.resumeText const prompt = `Extract details from the resume text: "${resumeText}"` const res = await recruiter.generate(prompt, { structuredOutput: { schema: z.object({ candidateName: z.string(), isTechnical: z.boolean(), specialty: z.string(), resumeText: z.string(), }), }, }) return res.object }, }) ``` `execute()` 内で Recruiter Agent を使用するため、Step より前に定義し、必要な import を追加する必要があります。 3. この Step では、「技術職」と判定された候補者に対し、その専門分野に進んだ経緯について詳しく質問します。履歴書の全文を使用するため、LLM は内容に合った追加質問を作成できます。 既存の `src/mastra/workflows/candidate-workflow.ts` ファイルに次を追加します。 ```ts const askAboutSpecialty = createStep({ id: 'askAboutSpecialty', inputSchema: z.object({ candidateName: z.string(), isTechnical: z.boolean(), specialty: z.string(), resumeText: z.string(), }), outputSchema: z.object({ question: z.string(), }), execute: async ({ inputData: candidateInfo }) => { const prompt = `You are a recruiter. Given the resume below, craft a short question for ${candidateInfo?.candidateName} about how they got into "${candidateInfo?.specialty}". Resume: ${candidateInfo?.resumeText}` const res = await recruiter.generate(prompt) return { question: res?.text?.trim() || '' } }, }) ``` 4. 候補者が「非技術職」の場合は、別の追加質問を行います。この Step では、やはり履歴書の全文を参照しながら、その役割の何に最も関心があるかを質問します。`execute()` 関数は、役割に焦点を当てた質問を LLM に生成させます。 既存の `src/mastra/workflows/candidate-workflow.ts` ファイルに次を追加します。 ```ts const askAboutRole = createStep({ id: 'askAboutRole', inputSchema: z.object({ candidateName: z.string(), isTechnical: z.boolean(), specialty: z.string(), resumeText: z.string(), }), outputSchema: z.object({ question: z.string(), }), execute: async ({ inputData: candidateInfo }) => { const prompt = `You are a recruiter. Given the resume below, craft a short question for ${candidateInfo?.candidateName} asking what interests them most about this role. Resume: ${candidateInfo?.resumeText}` const res = await recruiter.generate(prompt) return { question: res?.text?.trim() || '' } }, }) ``` 5. 次に、候補者が技術職かどうかに基づく分岐ロジックを実装するため、Step を組み合わせます。Workflow はまず候補者データを収集し、`isTechnical` に応じて専門分野または役割について質問します。これは、`gatherCandidateInfo` を `askAboutSpecialty` および `askAboutRole` とチェーンすることで実現します。 既存の `src/mastra/workflows/candidate-workflow.ts` ファイルの `candidateWorkflow` を次のように変更します。 ```ts export const candidateWorkflow = createWorkflow({ id: 'candidate-workflow', inputSchema: z.object({ resumeText: z.string(), }), outputSchema: z.object({ askAboutSpecialty: z.object({ question: z.string(), }), askAboutRole: z.object({ question: z.string(), }), }), }) .then(gatherCandidateInfo) .branch([ [async ({ inputData: { isTechnical } }) => isTechnical, askAboutSpecialty], [async ({ inputData: { isTechnical } }) => !isTechnical, askAboutRole], ]) .commit() ``` 6. `src/mastra/index.ts` ファイルで Workflow を登録します。 ```ts import { Mastra } from '@mastra/core' import { candidateWorkflow } from './workflows/candidate-workflow' export const mastra = new Mastra({ workflows: { candidateWorkflow }, }) ``` ## Workflow をテストする 開発サーバーを起動すると、[Studio](https://mastra.zisheng.pro/ja/docs/studio/overview) 内で Workflow をテストできます。 ```bash mastra dev ``` サイドバーで **Workflows** に移動し、**candidate-workflow** を選択します。中央に Workflow のグラフビューが表示され、右側のサイドバーではデフォルトで **Run** タブが選択されています。このタブに、たとえば次のような履歴書テキストを入力できます。 ```text Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces. ``` 履歴書テキストを入力したら、**Run** ボタンを押します。Workflow の Step の出力を含む 2 つのステータスボックス（`GatherCandidateInfo` と `AskAboutSpecialty`）が表示されます。 [`.createRun()`](https://mastra.zisheng.pro/ja/reference/workflows/workflow-methods/create-run) と [`.start()`](https://mastra.zisheng.pro/ja/reference/workflows/run-methods/start) を呼び出し、プログラムから Workflow をテストすることもできます。新しいファイル `src/test-workflow.ts` を作成し、次を追加します。 ```ts import { mastra } from './mastra' const run = await mastra.getWorkflow('candidateWorkflow').createRun() const res = await run.start({ inputData: { resumeText: 'Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.', }, }) // Dump the complete workflow result (includes status, steps and result) console.log(JSON.stringify(res, null, 2)) // Get the workflow output value if (res.status === 'success') { const question = res.result.askAboutRole?.question ?? res.result.askAboutSpecialty?.question console.log(`Output value: ${question}`) } ``` Workflow を実行し、ターミナルで出力を確認します。 ```bash npx tsx src/test-workflow.ts ``` これで、履歴書を解析し、候補者の技術的な能力に基づいてどの質問を行うかを決定する Workflow を構築できました。お疲れさまでした！